R语言逻辑回归分析初学者记录Logistic Regression Analysis

查看要用到的数据文件和数据属性类型：

##################################
# 3. Logistic Regression Analysis逻辑回归分析
##################################

wine_log = read.csv('wine_logistic.csv')
str(wine_log)

其中，Sales中的0和1值是表示是否卖出。

用glm（）函数来进行逻辑回归分析如下：

# Sales: whether it is sold or not

# By using the regression function `glm()` in R, we can conduct a logistic regression analysis. 
# glm(DependentVariable ~ IndependentVarialbe, family = binomial, data=Data)
?glm()

model5 = glm(Sales ~ AGST+HarvestRain, family = binomial, data=wine_log)
summary(model5)

结果如下：

可以得出一个逻辑回归检验模型：Estimated log(p/1-p) = -76.69638 + 4.97193*AGST -0.04033*HarvestRain

其中AIC用于评价模型：AIC值越小，模型越好

接下来调用一个测试的数据集进行模型的准确率检验：

wine_log_test = read.csv('wine_logistic_test.csv')
prediction = predict(model5, type = 'response', newdata = wine_log_test)

table(wine_log_test$Sales, prediction > 0.5)

测试集检验结果如下：